Arena: $200 млн на тест ИИ на обман

OpenAI сообщила инвесторам, что к концу сентября её годовая выручка достигла примерно $50 миллиардов. Это колоссальная сумма для любой софтверной компании, но она заметно ниже ранее циркулировавшей цифры в $68 миллиардов, которая, по-видимому, включала валовую выручку партнёров.

Для компании, привлекающей капитал по астрономическим оценкам, точность имеет значение. Объединение выручки партнёров для завышения верхней строки — классический манёвр на стадии роста, но её корректировка на $18 миллиардов вниз показывает пределы этой стратегии.

Эта корректировка заставляет трезво взглянуть на реальную экономику передовых моделей. OpenAI по-прежнему является бесспорным королём выручки в сфере ИИ, но эта корректировка даёт инвесторам повод внимательнее изучить отчётность. Если вы строите в этой экосистеме, ожидайте, что среда финансирования будет требовать гораздо более чётких путей к реальной выручке, а не просто к партнёрской математике верхней строки.

Anthropic инициировала «Кибермиссию», направленную непосредственно на критическую инфраструктуру. Компания предоставляет свои самые мощные модели, исследования угроз и реальных инженеров на местах партнёрам, управляющим энергосетями, водоснабжением, заводами, транспортом и государственными системами.

Это значительная эскалация по сравнению с простым предложением API. Размещая физических инженеров вместе со своими моделями, Anthropic рассматривает развёртывание ИИ в критически важных секторах как операцию национальной безопасности. Они также предлагают бесплатный OSS-сканер сообществу открытого исходного кода, сочетая общественную благожелательность с серьёзной корпоративной безопасностью.

Anthropic здесь выигрывает по-крупному. Пока конкуренты борются за потребительские чат-боты, Anthropic незаметно внедряется в физическую инфраструктуру, которая поддерживает работу систем. Для разработчиков, ориентированных на промышленный или государственный секторы, Anthropic только что установила новую планку того, как выглядит партнёрство с поставщиком.

Google только что представила универсального агента Gemini, разработанного для автономного управления умственным трудом, созданием медиа, кодированием и многоэтапными рабочими процессами. Система работает в Workspace и других корпоративных инструментах, предлагая постоянный контекст, оркестрацию нескольких агентов, маршрутизацию моделей, управление и контроль затрат.

Список функций выглядит как прямой ответ на корпоративные колебания в отношении автономного ИИ. Компании хотят агентов, способных выполнять сложные задачи, но они в ужасе от неконтролируемых затрат на API и кошмаров с соблюдением требований. Встраивая управление и контроль затрат непосредственно в уровень оркестрации, Google решает именно те причины, по которым ИТ-директора блокировали развёртывание агентов.

Это сильный ход для консолидации корпоративных рабочих процессов ИИ. Если Google действительно сможет обеспечить постоянный контекст и бесшовную маршрутизацию, то сборка сторонних агентских фреймворков будет выглядеть как ненужные накладные расходы. Разработчикам, полагающимся на фрагментированные корпоративные инструменты, следует внимательно следить за этим — Google нацеливается на весь уровень оркестрации.

Mistral выпустила "Mistral Large 4" (прозванный Le Chonk), мультимодальную модель с 1 триллионом параметров. Не отставая, Reflection AI представила "Beam", текстовую модель "смеси экспертов" с 501 миллиардом параметров. Обе компании явно позиционируют эти массивные открытые выпуски как западные альтернативы доминирующим китайским моделям в этой области.

Масштаб этих моделей ошеломляет для экосистемы открытого веса. В течение нескольких месяцев китайские лаборатории задавали темп для доступных моделей с большим количеством параметров. Mistral и Reflection AI напрямую оспаривают этот нарратив, предоставляя разработчикам массивные, локально развёртываемые модели без геополитического багажа, связанного с использованием иностранной инфраструктуры.

Это огромная победа для сообщества открытого исходного кода. Разработчики теперь имеют доступ к возможностям триллионных параметров, не будучи привязанными к проприетарному API. Теперь всё давление ложится на лаборатории с закрытым исходным кодом, чтобы оправдать свои корпоративные цены, когда разработчики могут запустить Le Chonk по стоимости вычислений.